Tidyverse在dplyr库中有if_else()函数。与基础函数ifelse()相比，这个函数更加严格。它检查true和false是否为同一类型。这种严格性使输出类型更可预测，并使其更快。

if_else(a == 1, 1, 2)

我会看一下ifelse命令。我认为它更好，因为它也是向量化的。一个使用cars数据集的例子:

> cars$speed > 20
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[25] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[37] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[49]  TRUE  TRUE

> ifelse(cars$speed > 20, 'fast', 'slow')
 [1] "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow"
[11] "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow"
[21] "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow"
[31] "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow" "slow"
[41] "slow" "slow" "slow" "fast" "fast" "fast" "fast" "fast" "fast" "fast"

If的工作方式类似于未向量化的ifelse，如果按以下方式使用:

`if`(condition, doIfTrue, doIfFalse)

使用这个优于ifelse的优势是当向量化是在路上(即我有标量布尔和列表/向量的东西作为结果)

ifelse(TRUE, c(1,2), c(3,4))
[1] 1
`if`(TRUE, c(1,2), c(3,4))
[1] 1 2

你的链接指向一个if语句。

> x <- 1
> if(x < 2) print("Less than") else print("Greater than")
[1] "Less than"

如果你的输入变量是一个向量，那么ifelse可能更适合:

> x <- 1:3
> ifelse(x<=2, "Less than or equal", "Greater than")
[1] "Less than or equal" "Less than or equal" "Greater than"   

要访问if的帮助页面，你需要在反引号中嵌入if:

?`if`

ifelse的帮助页面在:

`?ifelse`

它并不明确存在，但你可以这样做:

set.seed(21)
y <- 1:10
z <- rnorm(10)

condition1 <- TRUE
x1 <- if(condition1) y else z

or

condition2 <- sample(c(TRUE,FALSE),10,TRUE)
x2 <- ifelse(condition2, y, z)

两者之间的区别在于，condition1必须是长度为1的逻辑向量，而condition2必须是与x、y和z长度相同的逻辑向量。第一个将返回y或z(整个对象)，而第二个将返回y (condition2==TRUE)或z (condition2==FALSE)的对应元素。

还要注意，ifelse将比if / else if条件慢，y和z都是长度为1的向量。

就像其他人说的，使用ifelse，但是你可以定义操作符，这样你就几乎有了三元操作符语法。

`%?%` <- function(x, y) list(x = x, y = y)
`%:%` <- function(xy, z) if(xy$x) xy$y else z

TRUE %?% rnorm(5) %:% month.abb
## [1]  0.05363141 -0.42434567 -0.20000319  1.31049766 -0.31761248
FALSE %?% rnorm(5) %:% month.abb
## [1] "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
# or, more generally
condition %?% value1 %:% value2

如果在定义操作符时不使用%符号，它实际上是可以工作的

`?` <- function(x, y) if(x) y[[1]] else y[[2]]
`:` <- function(y, z) list(y, z)

TRUE ? rnorm(5) : month.abb
## [1]  1.4584104143  0.0007500051 -0.7629123322  0.2433415442  0.0052823403
FALSE ? rnorm(5) : month.abb
## [1] "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"

(这是因为:的优先级低于?)

不幸的是，这将破坏现有的帮助和序列操作符。